JARINGAN SYARAF
FUNGSI RADIAL
BASIS
Pada persamaan y f ( x) w ( x c )
i 1
i i
tak hingga
Masing-masing node menghasilkan output
yang sama untuk input yang mempunyai jarak
radial yang tetap dari input
Untuk kasus multiple output dituliskan menjadi
n
y j f j (x) w ( x c );
i1
ij i j 1,2,...,m
atau
y f ( x) W
1
(r ) , ( 0)
(c r 2 )
2
Fungsi Radial Basis Invers Multikuadratik
Fungsi Radial Basis Plate Spline (r ) r 2 log(r )
x1 c1 x1 c 2 x1 c 3 x1 c 4
x 2 c1 x2 c2 x 2 c3 x2 c4
x 3 c1 x3 c 2 x3 c3 x3 c 4
x 4 c1 x4 c2 x 4 c3 x 4 c 4
0 2 2 2 2
2 0 2 2 2
2 2 2 0 2
2 2 2 2 0
bobot vektor dapat diselesaikan dengan
persamaan matriks w y
0 2 2 2 2w1 1
2 0 2 2 2 w2 1
2 2 2 0
2 w3 1
2 2 2 2 0 w4 1
Sehingga diperoleh
2 2 2 2
w1 w4 w2 w3
4 4
Contoh 2
matriks Interpolasinya :
x1 c1 x1 c2 1 1 0 .1353 1
0 .3678 1
x2 c1 x2 c2 1 0 .3678
x3 c1 x3 c2 1 0 .1353 1 1
x4 c1 x4 c2 1 0 .3678 0 .3678 1
Terlihat bahwa matrik interpolasi bukan
merupakan matrik bujur sangkar
(overdetermined equation)
Sehingga untuk menyelesaikannya, digunakan
pseudoinvers dari matrik :
w y
( T ) 1 T y
T adalah matrik interpolasi bujur sangkar
yang mempunyai invers
Selanjutnya diperoleh
1.656 1.158 0.628 1.158
0.628 1.158 1.656 1.158
0.846 1.301 0.846 1.301
Maka diperoleh
2.284
w 2.284
1.692
Contoh 3
𝑑𝑥 SISTEM
𝑓 𝑥 DISEBUT
𝑑𝑡 AUTONOMOUS
NON LINIER
Solusi Analitis pada Sistem
Autonomous
Penentuan Titik Kesetimbangan
𝑑𝑥
𝑓 𝑥 0
𝑑𝑡
Atau 𝑓 𝑥, 𝑦 0; 𝑓 𝑥, 𝑦 0
Mencari Matriks Jacobian di sekitar titik setimbang
𝜕𝑓 𝜕𝑓
𝜕𝑥 𝜕𝑦
𝐽 𝑥 ∗, 𝑦∗
𝜕𝑓 𝜕𝑓
𝜕𝑥 𝜕𝑦
Mencari Nilai Eigen dan Vektor Eigen
|𝐽 𝜆𝐼| 0 dan |𝐽 𝜆𝐼|v 0
Kestabilan
Jika matriks Jacobian 𝐽 , dari Sistem nonlinear 𝑥 𝑓 𝑥 dengan
nilai eigen
(1) Stabil asimtotik lokal, jika semua nilai eigen dari matriks 𝐽 , bernilai negatif.
(2) Tidak stabil, jika terdapat paling sedikit satu nilai eigen matriks 𝐽 ,
bernilai positif.
Sistem Autonomus Linear 2 Dimensi
Bentuk umum sistem autonomus linear 2 dimensi sebagai berikut :
𝑑𝑥
𝑝𝑥 𝑞𝑦
𝑑𝑡 𝑝 𝑞
𝐴 , det 𝐴 0
𝑑𝑦 𝑟 𝑠
𝑟𝑥 𝑠𝑦
𝑑𝑡
𝑑𝑥
𝑑𝑡 𝑝 𝑞 𝑥 𝑑𝑥⃗
𝑑𝑦 𝑟 𝑠 𝑦
atau 𝐴𝑥⃗
𝑑𝑡
𝑑𝑡
Solusi Analitik
𝑥∗ 𝑦
𝜕𝑓 𝜕𝑓 𝜆 5𝜆 4 0
2 ; 3
𝜕𝑥 𝜕𝑦 𝜆 1; 𝜆 4
Dapat ditulis dalam matriks jacobian
2 1
J J
2 3
2 1
𝐽 , 2 3
Mencari Vektor Eigen
Saat 𝜆 4, subtitusi
𝐽 𝜆𝐼 𝑣 0
2 1 𝑣 0
2 𝜆 1 𝑣 0 2 1 𝑣 0
2 3 λ 𝑣 0
2𝑣 𝑣 0
Saat 𝜆 1, subtitusi
2𝑣 𝑣
1 1 𝑣 0 Sehingga :
2 2 𝑣 0
𝑣 𝑣 1
Misal 𝑣 𝑠 𝑣 𝑠
𝑣 2𝑣 2
𝑣 𝑣 0
𝑣 𝑣
PUPD :
Sehingga :
𝑥 𝑡 1 1
𝑣 𝑣 1 𝑐 𝑒 𝑐 𝑒
𝑣 𝑠 𝑦 𝑡 1 2
𝑣 𝑣 1
Phase Potrait
Karena 𝜆 bernilai positif semua maka sitem tidak stabil.
Sehingga gambar phase potrait nya :
Contoh :
2. 𝑥 2𝑦 ; 2𝑥 2𝑦
Jawab :
Titik Kesetimbangan
Misal 𝑣 𝑠 𝑣 2𝑣 2
𝑣 𝑟
2𝑣 𝑣 0 𝑣 𝑣 1
𝑣 2𝑣
PUPD :
Sehingga :
𝑥 𝑡 1 2
𝑣 𝑣 1 𝑐 𝑒 𝑐 𝑒
𝑣 𝑠 𝑦 𝑡 2 1
𝑣 2𝑣 2
Phase Potrait
Karena 𝜆 ada yag bernilai positif maka sitem tidak stabil.
Sehingga gambar phase potraitnya :
PENGANTAR
JARINGAN SYARAF TIRUAN
JARINGAN SYARAF
FUNGSI RADIAL
BASIS
Pada persamaan y f ( x) w ( x c )
i 1
i i
tak hingga
Masing-masing node menghasilkan output
yang sama untuk input yang mempunyai jarak
radial yang tetap dari input
Untuk kasus multiple output dituliskan menjadi
n
y j f j (x) w ( x c );
i1
ij i j 1,2,...,m
atau
y f ( x) W
1
(r ) , ( 0)
(c r 2 )
2
Fungsi Radial Basis Invers Multikuadratik
Fungsi Radial Basis Plate Spline (r ) r 2 log(r )
x1 c1 x1 c 2 x1 c 3 x1 c 4
x 2 c1 x2 c2 x 2 c3 x2 c4
x 3 c1 x3 c 2 x3 c3 x3 c 4
x 4 c1 x4 c2 x 4 c3 x 4 c 4
0 2 2 2 2
2 0 2 2 2
2 2 2 0 2
2 2 2 2 0
bobot vektor dapat diselesaikan dengan
persamaan matriks w y
0 2 2 2 2w1 1
2 0 2 2 2 w2 1
2 2 2 0
2 w3 1
2 2 2 2 0 w4 1
Sehingga diperoleh
2 2 2 2
w1 w4 w2 w3
4 4
Contoh 2
matriks Interpolasinya :
x1 c1 x1 c2 1 1 0 .1353 1
0 .3678 1
x2 c1 x2 c2 1 0 .3678
x3 c1 x3 c2 1 0 .1353 1 1
x4 c1 x4 c2 1 0 .3678 0 .3678 1
Terlihat bahwa matrik interpolasi bukan
merupakan matrik bujur sangkar
(overdetermined equation)
Sehingga untuk menyelesaikannya, digunakan
pseudoinvers dari matrik :
w y
( T ) 1 T y
T adalah matrik interpolasi bujur sangkar
yang mempunyai invers
Selanjutnya diperoleh
1.656 1.158 0.628 1.158
0.628 1.158 1.656 1.158
0.846 1.301 0.846 1.301
Maka diperoleh
2.284
w 2.284
1.692
Contoh 3
NAMA KELOMPOK :
Departemen Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh Nopember
Surabaya
2017
ABSTRAK Pemodelan matematika dan teori banyak digunakan dalam kehidupan sehari-
hari, salah satunya teori kontrol optimal diterapkan pada pengendalian berbagai jenis
penyakit. Pada tugas akhir ini pengendalian optimal tidak diterapkan pada penyakit yang
khusus, akan tetapi digunakan untuk pola penyebaran penyakit yang mempunyai model
epidemi tipe SIR (Susceptible-Infected-Recovery). Untuk menegendalikan pola penyebaran
penyakit ini, diperlukan suatu vaksin. Vaksin adalah bahan antigenik yang digunakan untuk
menghasilkan kekebalan aktif terhadap suatu penyakit sehingga dapat mencegah atau
mengurangi pengaruh infeksi. Pada tugas akhir ini pengendalian penyakit yang mempunyai
model epidemi tipe SIR dilakukan dengan vaksinasi untuk meminimalkan individu rentan (S)
dan terinfeksi (I) serta memaksimalkan individu yang sembuh (R) secara bersamaan. Kontrol
optimal diperoleh dengan menerapkan Prinsip Minimum Pontryagin.
Kata Kunci : Model SIR, vaksinasi, kendali optimal, Prinsip Minimum Pontryagin.
1. Model Endemi Tipe SIR
Model epidemi klasik adalah model SIR dengan dinamika penting (kelahiran dan
kematian) yang diberikan oleh :
𝑑𝑆 𝑡 𝛽𝐼 𝑡 𝑆 𝑡
𝑣𝑁 𝑣𝑆 𝑡 , 𝑆 0 𝑆 0 1.1
𝑑𝑡 𝑁
𝑑𝐼 𝑡 𝛽𝐼 𝑡 𝑆 𝑡
𝛾 𝑣 𝐼 𝑡 , 𝐼 0 𝐼 0 1.2
𝑑𝑡 𝑁
𝑑𝑅 𝑡
𝛾𝐼 𝑡 𝑣𝑅 𝑡 , 𝑅 0 𝑅 0 1.3
𝑑𝑡
𝑑𝑆 𝑡 𝛽𝐼 𝑡 𝑆 𝑡
𝑣𝑁 𝑣 𝑢 𝑡 𝑆 𝑡 , 𝑆 0 𝑆 0 1.4
𝑑𝑡 𝑁
𝑑𝐼 𝑡 𝛽𝐼 𝑡 𝑆 𝑡
𝛾 𝑣 𝐼 𝑡 , 𝐼 0 𝐼 0 1.5
𝑑𝑡 𝑁
𝑑𝑅 𝑡
𝛾𝐼 𝑡 𝑣𝑅 𝑡 𝑢 𝑡 𝑆 𝑡 , 𝑅 0 𝑅 0 1.6
𝑑𝑡
Tujuan akhr dari masalah kontrol optimal dari model epidemi tipe SIR adalah untuk
mendapatkan bentuk yang optimal sehingga meminimalkan fungsi objektif dengan
kontrol 𝑢 𝑡 :
1
𝐽 𝑢 𝐴 𝑆 𝑡 𝐴 𝐼 𝑡 𝜏𝑢 𝑑𝑡 1.7
2
dengan
𝑆 𝑡 : populasi susceptible (yang rentan terhadap penyakit) pada saat t.
𝐼 𝑡 : populasi infectious (yang terjangkit penyakit dan dapat menularkan
penyakit) pada saat t.
𝑅 𝑡 : populasi recovery (yang telah sembuh/bebas penyakit) pada saat t.
𝐴 ,𝐴 : konstanta positif untuk menjaga keseimbangan ukuran 𝑆 𝑡 dan 𝐼 𝑡 .
𝜏 : bobot parameter positif
𝑢 𝑡 : presentase jumlah individu rentan yang diberikan vaksin pada saat t.
𝑁 : jumlah populasi keseluruhan
𝑣 : laju kelahiran dan kematian yang dianggap sama tiap satuan waktu
𝛽 : koefisien transmisi
𝛾 : laju kesembuhan dan individu terinveksi
𝐽 𝑆 𝑥 𝑡 ,𝑡 𝑓 𝑥 𝑡 , 𝑢 𝑡 , 𝑡 𝑑𝑡 2.1
Dengan kendala
𝑥 𝑔 𝑥 𝑡 ,𝑢 𝑡 ,𝑡
𝑥 𝑡 𝑋 2.2
Performance index merupakan ukuran kuantitas dari performa suatu sistem. Kontrol
𝑢∗ 𝑡 merupakan kontrol optimal, jika didistribusikan kedalam sistem dinamik (2.2)
akan memperoleh daerah(state) yang optimal 𝑥 ∗ 𝑡 dan pada saat yang sama juga
mengoptimalkan performance index (2.1).
a. Populasi Susceptible
𝑑𝑆 𝑡 𝛽𝐼 𝑡 𝑆 𝑡
𝑣𝑁 𝑣𝑆 𝑡
𝑑𝑡 𝑁
Yakni, besarnya laju populasi yang rentan dipengaruhi oleh jumlah populasi
yang lahir dalam populasi vN dan akan menurun dengan adanya laju kematian
alami vS(t) serta laju populasi yang terinfeksi
b. Populasi Infected
𝑑𝐼 𝑡 𝛽𝐼 𝑡 𝑆 𝑡
𝛾 𝑣 𝐼 𝑡
𝑑𝑡 𝑁
yakni, besarnya laju populasi yang terinfeksi dipengaruhi oleh laju populasi
yang terinfeksi dan akan menurun dengan adanya populasi yang
sembuh 𝛾𝐼 𝑡 serta laju kematian alami 𝑣𝐼 𝑡 .
c. Populasi Recovery
𝑑𝑅 𝑡
𝛾𝐼 𝑡 𝑣𝑅 𝑡 𝑢 𝑡 𝑆 𝑡
𝑑𝑡
yakni, besarnya laju populasi yang sembuh dipengaruhi oleh laju kesembuhan
dari populasi yang terinfeksi 𝛾𝐼 𝑡 dan akan menurun dengan adanya laju
kematian alami 𝑣𝑅 𝑡 .
𝜆 𝑣 𝛽 0
↔ 0 𝜆 𝛽 𝛾 𝑣 0 0
0 𝛾 𝜆 𝑣
↔ 𝜆 𝑣 𝜆 𝛽 𝛾 𝑣 𝜆 𝑣 0
𝜆 , 𝑣, 𝜆 𝛽 𝛾 𝑣
𝜆 𝛽 𝛾 𝑣
𝛽 𝛾 𝑣
𝜆 𝛾 𝑣
𝛾 𝑣
𝛽
𝜆 𝛾 𝑣 1
𝛾 𝑣
Dengan 𝛾 𝑣 0, sedangan 1 akan bernilai positif jika
𝛽
𝑅
𝛾 𝑣
a. Jika 𝑅 1 𝑎𝑡𝑎𝑢 1
Akan didapatkan bahwa nilai eigen dari 𝜆 , 𝜆 0 dan 𝜆 0, maka
berdasarkan sifat stabilitas titik setimbang dilihat dari akar-akar
karakteristiknya (nilai eigen 𝜆) maka titik setimbang 𝐸 𝑁, 0,0 tidak
stabil.
b. Jika 𝑅 1 atau 1
Akan didapatkan bahwa nilai eigen dari 𝜆 , 𝜆 , 𝜆 0, maka berdasarkan sifat
stabilitas titik setimbang dilihat dari akar-akar karakteristiknya (nilai eigen 𝜆)
maka titik setimbang 𝐸 𝑁, 0,0 stabil asimtotis.
𝛾 𝑣 𝑁
𝑆
𝛽
1 1
𝐼 𝑣𝑁
𝛾 𝑣 𝛽
1 1
𝑅 𝛾𝑁 3.1
𝛾 𝑣 𝛽
𝛽𝐼 𝑡 𝛽𝐼 𝑡
⎡ 𝑣 0⎤
1 0 0 ⎢ 𝑁 𝑁 ⎥
𝜆 0 1 0 ⎢ 𝛽𝐼 𝑡 𝛽𝑆 𝑡 0
0 0 1 𝛾 𝑣 0⎥
⎢ 𝑁 𝑁 ⎥
⎣ 0 𝛾 𝑣⎦
𝛽𝐼 𝑡 𝛽𝐼 𝑡
⎡𝜆 𝑣 0 ⎤
⎢ 𝑁 𝑁 ⎥
⎢ 𝛽𝐼 𝑡 𝛽𝑆 𝑡 0
𝜆 𝛾 𝑣 0 ⎥
⎢ 𝑁 𝑁 ⎥
⎣ 0 𝛾 𝜆 𝑣⎦
Persamaan karakteristiknya adalah :
𝛽𝑆 𝑡 𝛽𝐼 𝑡
𝜆 𝜆 3𝑣 𝛾
𝑁 𝑁
2𝑣𝑆 𝑡 𝛽 𝛽𝐼 𝑡 𝛾 2𝐼 𝑡 𝛽𝑣
𝜆 2𝑣𝛾 3𝑣
𝑁 𝑁 𝑁
𝑆 𝑡 𝛽𝑣 𝛽𝑣𝛾𝐼 𝑡 𝛽𝐼 𝑡 𝑣
𝛾𝑣 𝑣
𝑁 𝑁 𝑁
Misalkan :
𝛽𝐼 𝑡 𝛽𝐼 𝑡
𝑎 3𝑣 𝛾
𝑁 𝑁
2𝑣𝑆 𝑡 𝛽 𝛽𝐼 𝑡 𝛾 2𝛽𝐼 𝑡 𝑣
𝑎 2𝑣𝛾 3𝑣
𝑁 𝑁 𝑁
𝛽𝑆 𝑡 𝑣 𝛽𝑣𝛾𝐼 𝑡 𝛽𝐼 𝑡 𝑣
𝑎 𝛾𝑣 𝑣
𝑁 𝑁 𝑁
dengan mensubtitusikan nilai-nilai S,I,R pada persamaan (3.1) sehingga
diperoleh :
𝛽𝑣
𝑎 𝑣
𝛾 𝑣
𝛽𝑣𝛾 2𝛽𝑣
𝑎 𝛾𝑣 2𝑣
𝛾 𝑣 𝛾 𝑣
𝛽𝑣 𝛾 𝛽𝑣
𝑎 𝛾𝑣 𝑣
𝛾 𝑣 𝛾 𝑣
𝜆 𝑎 𝜆 𝑎 𝜆 𝑎 0
𝜆 1 𝑎
𝜆 𝑎 𝑎
𝜆 𝑏 0
𝜆 𝑐 0
𝑎 𝑎 𝑎
𝑏 , 𝑐 𝑎
𝑎
Polinomial orde 3 mempunyai akar negatif pada bagian realnya jika dan hanya jika elemen-
konstrainnya adalahelemen dari kolom pertama pada tabel Routh-Hurwitz memiliki tanda
yang sama. Sehingga didapatkan ketika 𝑅 1 berakibat 𝑎 0, 𝑏 0 dan 𝑐 0. Maka
titik setimbang endemi yaitu :
𝐻 𝑓 𝑥, 𝑢, 𝑡 𝜆 𝑔 𝑥, 𝑢, 𝑡
𝐻 𝐴 𝑆 𝑡 𝐴 𝐼 𝑡 𝜏𝑢 𝜆 𝑣𝑁 𝑣 𝑢 𝑡 𝑆 𝑡
𝜆 𝛾 𝑣 𝐼 𝑡 𝜆 𝛾𝐼 𝑡 𝑣𝑅 𝑡 𝑢 𝑡 𝑆 𝑡
𝑆 0 𝑆 0, 𝐼 0 𝐼 0, 𝑅 0 𝑅 0
2. Persamaan Co-State
𝜕𝐻 𝛽𝜆 𝑡 𝛽𝜆 𝑡 𝑆 𝑡
𝜆 𝜆 𝑡 𝑣 𝑢 𝑡 𝜆 𝑡 𝑢 𝑡 𝐴
𝜕𝑆 𝑁
𝜕𝐻 𝛽𝜆 𝑡 𝛽𝜆 𝑡 𝑆 𝑡
𝜆 𝜆 𝑡 𝛾 𝑣 𝜆 𝑡 𝛾 𝐴
𝜕𝐼 𝑁
𝜕𝐻
𝜆 𝜆 𝑡 𝑣
𝜕𝑅
Dengan kondisi batas sebagai berikut :
𝜆 𝑡 0, 𝑖 1,2,3
3. Kondisi Stasioner
𝜕𝐻
0
𝜕𝑢
𝜏𝑢 𝑡 𝜆 𝑡 𝑆 𝑡 𝜆 𝑡 𝑆 𝑡 0
𝜏𝑢 𝑡 𝜆 𝑡 𝑆 𝑡 𝜆 𝑡 𝑆 𝑡
𝜆 𝑡 𝜆 𝑡 𝑆 𝑡
𝑢 𝑡
𝜏
Karena 0 𝑢 𝑡 0.9, diperoleh kontrol :
𝜆 𝑡 𝜆 𝑡 𝑆 𝑡
𝑢 𝑡 𝑚𝑎𝑘𝑠 min , 0.9 , 0 3.11
𝜏
𝛽𝐼 𝑡 𝑆 𝑡
𝑆 𝑣𝑁 𝑣 𝑢 𝑡 𝑆 𝑡
𝑁
𝜆 𝑡 𝜆 𝑡 𝑆 𝑡 𝛽𝐼 𝑡 𝑆 𝑡
𝑣𝑁 𝑣 𝑚𝑎𝑘𝑠 min , 0.9 , 0 𝑆 𝑡
𝜏 𝑁
𝛽𝐼 𝑡 𝑆 𝑡
𝐼 𝛾 𝑣 𝐼 𝑡
𝑁
𝑅 𝛾𝐼 𝑡 𝑣𝑅 𝑡 𝑢 𝑡 𝑆 𝑡
𝜆 𝑡 𝜆 𝑡 𝑆 𝑡
𝛾𝐼 𝑡 𝑣𝑅 𝑡 𝑚𝑎𝑘𝑠 min , 0.9 , 0 𝑆 𝑡
𝜏
3.5 Simulasi
Parameter Nilai
𝛽 0.95
𝛾 0.053
𝑣 0.001
𝑁 1075
𝐴 ,𝐴 1
𝜏 20
4. HASIL SIMULASI
A. Tanpa Kontrol
Dalam Hal ini, kondisi Susceptible, Infected, dan Recovered mengalami kenaikan,
dan penurunan secara berulang-ulang dan tidak teratur.
B. Dengan Kontrol Vaksin
Dalam hal ini kondisi Susceptible, Infected dan Recovered:
1. Mengalami penurunan pada susceptible, infected, dan
2. Mengalami peningkatan pada recovered.
DAFTAR PUSTAKA
Anggraeni, E. (2010), Penyelesaian Numerik dan Analisis Perilaku Model Epidemi Tipe SIR
dengan Vaksinasi Untuk Pencegahan Penularan Penyakit. Tugas Akhir S1 Jurusan
Matematika ITS Surabaya.
Ikhtisoliyah (2011), Analisis Stabilitas dan Optimal Kontrol Pada Model Epidemi Tipe SIR
dengan Vaksinasi. Tugas Akhir S1 Jurusan Matematika ITS Surabaya.
TUGAS
MATEMATIKA SISTEM
Disusun Oleh :
Kelompok 2
Fitri Ayuningtyas 06111540000012
Putri Afiani W. 06111540000015
Tommy Ferdinand S. 06111540000019
Desynta Nurrahmawati F. 06111540000022
DEPARTEMEN MATEMATIKA
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2017
PENDAHULUAN
Teori Sistem dinamik adalah sebuat teori dari matematika terapan yang digunakan untuk
memeriksa kelakuan system dinamik kompleks, biasanya dengan menggunakan persamaan
diferensial atau persamaan beda. Bila digunakan persamaan diferensial, teori tersebut dinamakan
sistem dinamik kontinu. Bila digunakan persamaan beda, teori tersebut dinamakan sistem dinamik
diskret.
merupakan fungsi dari x yang tidak tergantung pada t disebut Sistem Autonomous. Sistem ini
terdiri dari dua yaitu bentuk linear dan non linear.
Sistem dinamik kontinu seperti disebutkan diatas, sangat membantu untuk menyelesaikan
persamaan-persamaan dengan variabel parameter yang saling berhubungan dan sering digunakan
sebagai solusi penyelesaian dari beberapa model matematika, khusunya bidang fisika, kimia, dan
juga biologi. Dalam sistem dinamik, akan diketahui perilaku sistem yang diberikan. Beberapa
metode yang dapat digunakan untuk menganalisa kestabilan sistem yaitu melalui nilai eigen,
metode Lyapunov, limit cycle dan bifurkasi. Melalui nilai eigen akan diperoleh informasi
kestabilan sistem, baik menggunakan sistem persamaan diferensial linier maupun sistem hampir
linier.
LANDASAN TEORI
1.1 Sistem Persamaan Diferensial
Suatu sistem yang berukuran 𝑛 buah persamaan diferensial dan 𝑛 buah fungsi yang
nilainya tidak diketahui. Fungsi tersebut jika sama dengan nol maka sistem dapat
dikatan sebagai sitem persamaan diferensial homogen. Begitu juga sebaliknya, dapat
dikatakan sebagai sitem persamaan diferensial nonhomogen.
Sistem peramaan diferensial nonlinier dapat dinyatakan sebagai berikut:
𝑑𝑦
𝑓 𝑦 ,𝑦 ,………,𝑦
𝑑𝑡
𝑑𝑦
𝑓 𝑦 ,𝑦 ,………,𝑦
𝑑𝑡
………
𝑑𝑦
𝑓 𝑦 ,𝑦 ,………,𝑦
𝑑𝑡
Dengan kondisi awal 𝑦 𝑡 𝜎 , 𝑖 1,2,3 … … … 𝑛 atau dapat ditulis dalam bentuk
persamaan ini
𝑑𝑦
𝑓 𝑡
𝑑𝑡
𝑓adalah fungsi nonlinier dan kontinu.
untuk skalar sembarang 𝜆, skalar 𝜆 disebut nilai eigen (eigenvalue) dari A , dan
disebut sebagai vektor eigen dari A yang terkait dengan 𝜆.
1.4 Kestabilan
𝑓 𝑥 0
Atau 𝑓 𝑥, 𝑦 0; 𝑓 𝑥, 𝑦 0
𝑝 𝑞 𝑥 ⃗
atau 𝐴𝑥⃗
𝑟 𝑠 𝑦
Jawab:
Titik Kesetimbangan
Saat 0 𝑑𝑎𝑛 0, sehingga diperoleh :
- 2𝑥 𝑦 0
𝑦∗ 2𝑥
- 2𝑥 3𝑦 0
3
𝑥∗ 𝑦
2
Maka titik setimbangnya yaitu 𝑦, 2𝑥
Matriks Jacobian
Jika :
𝑓 2𝑥 𝑦
𝑓 2𝑥 3𝑦
𝜕𝑓 𝜕𝑓
𝑀𝑎𝑘𝑎, 2 ; 1
𝜕𝑥 𝜕𝑦
𝜕𝑓 𝜕𝑓
2 ; 3
𝜕𝑥 𝜕𝑦
Dapat ditulis dalam matriks jacobian
2 1 2 1
J J 𝐽
2 3 , 2 3
Phase Potrait
Karena 𝜆 bernilai positif semuamaka sitem tidak stabil. Sehingga gambar phase
potraitnya :
2. 𝑥 2𝑦; 2𝑥 2𝑦
Jawab:
Titik Kesetimbangan
Saat 0 𝑑𝑎𝑛 0, sehingga diperoleh :
- 𝑥 2𝑦 0
𝑥∗ 2𝑦
- 2𝑥 2𝑦 0
𝑦∗ 𝑥
Maka titik setimbangnya yaitu 2𝑦, 𝑥
Matriks Jacobian
Jika :
𝑓 𝑥 2𝑦
𝑓 2𝑥 2𝑦
𝜕𝑓 𝜕𝑓
𝑀𝑎𝑘𝑎, 1 ; 2
𝜕𝑥 𝜕𝑦
𝜕𝑓 𝜕𝑓
2 ; 2
𝜕𝑥 𝜕𝑦
Dapat ditulis dalam matriks jacobian
1 2 1 2
J J 𝐽 ,
2 2 2 2
Phase Potrait
Karena 𝜆 ada yag bernilai positif maka sitem tidak stabil. Sehingga gambar phase
potraitnya :